langchain对neo4j进行交互，写入和查询数据 / ai #53

对neo4j有了基本了解，就可以上手实操啰。这里采用langchain的集成方案，写入和查询都集成得很好，几条命令就可搞定。

写入数据

# 安装包
pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install langchain-openai langchain-community langchain-experimental
pip install langchain-neo4j

from langchain_core.documents import Document
from dotenv import dotenv_values
from langchain_openai import ChatOpenAI
from langchain_neo4j import Neo4jGraph
from langchain_experimental.graph_transformers import LLMGraphTransformer


env_vars = dotenv_values('.env')
OPENAI_KEY = env_vars['OPENAI_API_KEY'] 
OPENAI_BASE_URL = env_vars['OPENAI_API_BASE'] 


# 打开文件，并赋予读取模式 'r' 
def readTxt():
    with open('./ball.txt', 'r', encoding='gbk') as file:
        content = file.read()
        documents = [Document(page_content=content)]
        #print(123, documents)
        return documents

# 创建图数据库实例
graph = Neo4jGraph(url='neo4j+s://a2f9xcxx.databases.neo4j.io', 
      username="a2f9xxxx", 
      password="gh7EJn9Ik1xxxxx.xx",
      database="a2f9xxxx"
)  

graph_llm = ChatOpenAI(temperature=0, model_name="gpt-5.4-mini", api_key=OPENAI_KEY, base_url=OPENAI_BASE_URL)

# 图转换器配置
graph_transformer = LLMGraphTransformer(llm=graph_llm)  #可以使用默认设置
"""
#或者是添加节点和关系边
graph_transformer = LLMGraphTransformer(
    llm=graph_llm,
    allowed_nodes=["国家", "分组", "16强赛"],    # 可以自定义节点
    allowed_relationships=["举行", "对抗", "淘汰", "战胜"],  # 可以自定义关系
)
"""

documents = readTxt()
graph_documents = graph_transformer.convert_to_graph_documents(documents)
graph.add_graph_documents(graph_documents)  

print(f"Graph documents: {len(graph_documents)}")
print(f"Nodes from 1st graph doc:{graph_documents[0].nodes}")
print(f"Relationships from 1st graph doc:{graph_documents[0].relationships}")

写入后的数据如图所示

以世界杯的数据来作测试。使用了langchain的默认配置。从图中可以看出，langchain可以很好地默认提取出节点和关系，快速写入图数据库中。当然也可以定义好节点和边的关系，可操作性可能会更好些。

查询数据

from langchain_core.documents import Document
from dotenv import dotenv_values
from langchain_openai import ChatOpenAI
from langchain_neo4j import Neo4jGraph
from langchain_experimental.graph_transformers import LLMGraphTransformer
from langchain_neo4j import GraphCypherQAChain


env_vars = dotenv_values('.env')
OPENAI_KEY = env_vars['OPENAI_API_KEY'] 
OPENAI_BASE_URL = env_vars['OPENAI_API_BASE'] 


# 创建图数据库实例
graph = Neo4jGraph(url='neo4j+s://a2f9xcxx.databases.neo4j.io', 
      username="a2f9xxxx", 
      password="gh7EJn9Ik1xxxxx.xx",
      database="a2f9xxxx"
)

graph_llm = ChatOpenAI(temperature=0, model_name="gpt-5.4-mini", api_key=OPENAI_KEY, base_url=OPENAI_BASE_URL)

cypher_chain = GraphCypherQAChain.from_llm(
    graph=graph,
    cypher_llm=graph_llm,
    qa_llm=graph_llm,
    validate_cypher=True, 
    verbose=True,
    allow_dangerous_requests=True
)

response = cypher_chain.invoke({"query": "I组有哪些队"})
# response = cypher_chain.invoke({"query": "美国在哪个小组"})
print(response["result"])
"""
> Entering new GraphCypherQAChain chain...
Generated Cypher:
MATCH (g:Group {id: 'I组'})-[:HAS_TEAM]->(c:Country)
RETURN c.id AS team
Full Context:
[{'team': '法国'}, {'team': '塞内加尔'}, {'team': '伊拉克'}, {'team': '挪威'}]
> Finished chain.
I组有法国、塞内加尔、伊拉克和挪威。
"""

附测试数据：

2026年世界杯共有48支国家队参赛，首次扩军，分为12个小组（A-L组），由美国、加拿大和墨西哥联合主办。

东道主与首次参赛球队:
1. 东道主：美国、加拿大、墨西哥
2. 首次晋级的新军：乌兹别克斯坦、约旦、佛得角、库拉索

小组分组（A-L组）
- A组：墨西哥、南非、韩国、捷克
- B组：加拿大、波黑、卡塔尔、瑞士
- C组：巴西、摩洛哥、海地、苏格兰
- D组：美国、巴拉圭、澳大利亚、土耳其
- E组：德国、库拉索、科特迪瓦、厄瓜多尔
- F组：荷兰、日本、瑞典、突尼斯
- G组：比利时、埃及、伊朗、新西兰
- H组：西班牙、佛得角、沙特阿拉伯、乌拉圭
- I组：法国、塞内加尔、伊拉克、挪威
- J组：阿根廷、阿尔及利亚、奥地利、约旦
- K组：葡萄牙、刚果（金）、乌兹别克斯坦、哥伦比亚
- L组：英格兰、克罗地亚、加纳、巴拿马

赛制与晋级规则
- 小组赛：12个小组，每组4队，前两名及成绩最好的8个第三名晋级32强淘汰赛
- 淘汰赛：32强-16强-8强-半决赛-决赛
- 总比赛场次：104场，赛事周期39天（6月12日开赛，7月20日决赛）
- 2026年世界杯不仅是历史上规模最大的一届赛事，也是全球足球版图变化最明显的一届，涵盖传统豪门与首次晋级的新军，呈现真正的全球足球盛会